机器学习实践指南--基于R语言
①全新正版，现货速发，7天无理由退换货②天津、成都、无锡、广东等多仓就近发货，订单最迟48小时内发出③无法指定快递④可开电子发票，不清楚的请咨询客服。
￥ 41.29 7.0折 ￥ 59 全新
库存2件
浙江嘉兴
认证卖家担保交易快速发货售后保障
作者(英)尼格尔·刘易斯|译者:高蓉//李茂
出版社人民邮电
ISBN9787115478177
出版时间2018-04
装帧其他
开本其他
定价59元
货号30146452
上书时间2024-11-28
- 在售商品 暂无
- 平均发货时间 17小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
尼格尔·刘易斯（N.D. Lewis）是一位数据科学和预测领域的讲师、作者和研究者。他在华尔街和伦敦从事投资管理工作多年，编著了统计、数据科学和量化模型方面的数本图书，并且在大学里开设深度学习、机器学习和数据分析应用等方面的课程。
高蓉，博士，任教于杭州电子科技大学，毕业于南开大学；研究领域包括资产定价、实证金融、数据科学应用；已出版教材和译著多部，发表学术论文数篇。
李茂，任教于天津理工大学，毕业于北京师范大学，热爱数据科学，从事与统计和数据分析相关的教学和研究工作。
目录
第1章 简明学习问题
1.1 归纳推理和演绎推理的基础
1.2.1 你曾遇到这些事情吗？
1.1.2 释放归纳的力量
1.1.3 推断的阴阳之道
1.2 学习问题的三大要素
1.3 从数据中学习的目标
1.3.1 阐明选择标准
1.3.2 学习任务的选择
附注
第2章 监督学习
2.1 有效分类的基本要素
2.2 如何确定假设类别的答案
2.3 监督学习的两个核心方法
2.3.1 生成算法的关键
2.3.2 理解判别算法
2.4 什么是贝叶斯分类器
误差下界
2.5 评估贝叶斯误差的两种简单技巧
2.5.1 Mahalanobis技巧
2.5.2 Bhattacharyya技巧
2.6 如何释放朴素贝叶斯分类器的力量
一个建立直觉的例子
2.7 朴素贝叶斯分类器的R极简建立方法
2.7.1 一个模拟的例子
2.7.2 甲状腺数据的分析
2.8 如何利用k-近邻算法的价值
2.8.1 深化理解的例子
2.9 k近邻的R直接方法
如何决定k的最优值
2.10 线性判别分析的关键
求解广义特征值问题
2.11 R判别分析的基本要素
2.11.1 检查你想要的模型类型
2.11.2 不要止步于线性判别分析
2.12 逻辑回归分类的秘密
2.13 建立R逻辑回归分类器的简便方法
2.14 激励创意和激情的超级好主意
附注
第3章 无监督学习
3.1 无监督学习简介
3.2 两种核心方法及其工作原理
3.3 无监督学习的应用技术及R实现
3.4 无监督学习的典型例子，你可以模仿学习
3.4.1 数据（图像）预处理
3.4.2 处理图像中的噪声
3.4.3 颅骨“剥离”
3.4.4 完美组合
附注
第4章 半监督学习
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价